那些被大数据时代抛弃的人

作者 | 衣公子

来源 | 衣公子的剑（ID：yigongzidejian）

前言

2000年，微软如日中天。有人问比尔盖茨（Bill Gates）对于IT行业的看法。

盖茨说，挺好的，就是有点noise。

noise，本意是噪音。但是五个字母又分别指代五家公司：Netscape , Oracle , IBM , Sun , EMC 。

这一语双关可谓骚出了天际。今天的第一杯，就为这个故事干一个吧。

不过，和盖茨的很多传奇故事一样，这个传闻目前只流传于中文世界。盖茨到底有没有说过那么嚣张又霸气的话，暂时无处考证。

传言如此深入人心，有一个重要的原因。这一问一答准确又形象地概括了一个旧时代：以微软为绝对统帅，加上 NOISE 这5家软件公司，IT企业卖软件，一手交钱，一手交货。

科技圈的天，变得比臭男人的心还快。以 Google 为代表的新贵举着“免费“的旗号，已经打到了家门口。搜索既然不收费，那 Google 怎么赚钱呢？

常言道，天下没有免费的下午茶。当你用的产品不要钱，那么很可能作为用户的你就是产品本身。

Google聚拢用户，再打包卖给广告商的商业模式，被杰弗里·哈默巴赫尔( Jeffrey Hammerbacher ) 形象地批评为：我们这一代最聪明的头脑，都在思考如何让人们点击广告。

“哇，原来你不过只是一家广告公司！”同业的戏谑，让Google羞红了脸，说起了类似”你怎么这样凭空污人清白……窃书不能算偷……窃书！……读书人的事，能算偷么？“之类的话。

科技圈充满了快活的空气。

为了捍卫自己科技公司的质感，Google连发三篇论文。围绕一个主题：怎么处理数据。

随着上网人数和信息量的爆炸，Internet的海洋越来越宽广，Google每天收到30亿条搜索指令。仅仅1天处理的数据量，就是美国国家图书馆所有纸质出版物的上千倍。可是尽管如此，每当我们按下回车键，搜索结果却能即时地展现出来。这背后有什么魔法？

Google的三篇论文，篇篇佶屈聱牙，又字字力透纸背，分别介绍了三个技术:Google File System, MapReduce, BigTable。千言万语汇成一句话：用分布式的体系，搭建一套数据存储、分析的系统。

希腊神话里，普罗米修斯将火种带给人类。火，极大地提高了人的生产力。希腊人惜墨，没介绍普罗米修斯的长相。

现实里，Google的程序员就像普罗米修斯，那三篇介绍怎么突破数据处理能力的文章，被后人誉为“三驾马车“，拉着人类进入了——大数据时代。

细谈

不用专业词汇吓跑你，我们边喝边聊，把技术说的简单点。

传统技术，是集中式单点架构。打个比方，你有一个助理，小明，什么事都集中交给他。忙的时候小明天天睡公司，闲的时候上班玩手机。

Google“三驾马车”提出分布式架构。还是那个比方，你的事业越做越大，如今小明就算一天工作24个小时也完成不了。于是就分布式地招3个助理，小A，小B，小C，各司其职。

原理是简单的，而现实极复杂，尤其考虑到现实互联网面临大规模、高并发、实时在线等新的需求。

信息怎么分发给ABC？以什么标准？这可不能乱分，回头自己都忘了“帮我在四季开个房“是交给了小B办还是小C。如果问错了人，不仅效率慢，关键会搞得人尽皆知。还有啊，进一步延伸，以什么标准招聘ABC，哪些招名校，哪些招实干派，是不是必须能喝酒，上班的裙子可以接受多短？物尽其用，不可造次。

所以，每有技术变革，第一件事一定是路线之争、行业标准之争。

DougCutting是个编程天才，从Google亦步亦趋的追随者，终于成长为了备受重视的对手。Google做搜索，Cutting跟着开发了Lucene/Nutch搜索。Google的三驾马车，提出以MapReduce算法应对海量数据，Cutting就写出了Hadoop。

Hadoop降生那一天，Cutting是雅虎的雇员，背景是Google、微软、雅虎的搜索引擎大战，硝烟弥漫。Google的“三驾马车“破解了海量数据的难题，保证了Google搜索成为技术上的第一高峰。同样，Cutting和Hadoop算是为雅虎的搜索业务鞠躬尽瘁，死而后已。

几年后，马云要处理和雅虎的分分合合。有些地方扭捏，有些地方为难。但是对于雅虎搜索，还是相当“馋她的身子的“。简单的说，淘宝终于做起来了，需要一款优质的搜索引擎服务用户搜索商品。更深一点地说，这场交易涉及所有互联网企业的一个深沉幽叹：哎！这该死的，磨人的，温柔的小妖精——数据。

冥冥之中，都是天意。暂且按下不表。

且说，Hadoop一降生，一群科技巨头就聚到旗下抱团。原因很简单，Google这厮，在数据处理技术上已经领先得太多，各位诸侯必须群策群力，把开源的Hadoop发展好。来它个十八路诸侯讨董卓。

科技圈是有爱恨情仇的。开源的Linux挑战微软闭环的Windows/Office。开源的Android围攻苹果闭环的iOS/iPhone。Google的三驾马车对面，以Hadoop为旗号，聚拢起雅虎（Yahoo）、亚马逊（Amazon）、IBM、Facebook、阿里巴巴、华为……

哪有什么新的东西，都是历史的重复。

进阶

光看这些眼花缭乱的专业词汇，就能明白，大数据这玩意，技术门槛不低。但是每个市场参与者，都想积累数据，了解数据，挖掘数据，把自己在商业搏杀中的赢面提高哪怕一点点。于是，市场分工发挥了作用，专门有些公司：我来买服务器，我来搭架构，你需要存储和处理数据？好，我卖个服务给你。

铛铛铛铛——一个新的行业，云计算——诞生了。

2006年，互联网时代才刚刚开始，万物没有名字，提到的时候尚需用手指指点点。江湖里的机会遍地都是，游戏、视频、O2O，软件、媒体、金融、垂直电商……

混沌之中，亚马逊，是对于大数据/云计算拥抱最坚决的一位。收集数据→处理数据→分析数据→向用户推荐商品，这套模式让电商巨头亚马逊尝到甜头。当时亚马逊网站上已经有第三方店家，亚马逊的初衷是让这群第三方商家也享受到数字化福利。这项被命名为AWS（Amazon Web Services）的服务，就是云计算行业的滥觞。

贝佐斯（Jeff Bezos），少年谢顶，索性剃了光头。此生要做硬汉，打天下的时候，和几个手下说过这样一句话：表面上，我像一只鸡那么胆小，但是内心却很强大。

二十年里，亚马逊电商越做越大。但是，一直不赚钱，收入飞到了太空，但是利润始终在地上爬。钱去哪了？被贝佐斯砸向了研发，砸向了未来。

利润不增长，股价就逡巡不前，华尔街总是不惮以最坏的恶意数落贝佐斯。直到2018年，AWS业务的利润爆发。亚马逊的股价终于水涨船高，不但坐稳了云计算市场当之无愧的老大，贝佐斯也接过了比尔盖茨世界首富的位子。

数据真好

2008年7月，北京奥运会，马上就要开幕。

一则新闻登上中国各大媒体的版面。比尔·盖茨为了看北京奥运会，在距离水立方不到180米的盘古大观，租下一个700平米的四合院，花费1个亿。

事情传到了比尔·盖茨耳朵里，盖茨回了两个字：假的。能用这种新闻卖房子，也足见这个楼盘的老板真是野路子。

果然，2017年他就把自己的名字彻底混成了闵敢的词语，非常闵敢的那种。

至今还有很多人相信这个假新闻。

我身边的朋友都知道，借助最近美股的走势，衣公子凭借冷静的操作，把自己和贝佐斯、比尔·盖茨等人的财富差距，缩小了几十亿美元。这给我极大的信心。于是，斗胆计算了一下新闻里的数据，四合院面积700平米，租金每年1个亿，那就是平均14万/平米。可是这个楼盘当时的售价明明才5万啊......

数据真好。可惜，我们这群傻→B在“小数据”的年代都那么好骗，又要怎么在“大数据”时代苟活？

盖茨花1亿租四合院的假新闻满天飞的同一时间，杭州城西的阿里巴巴遇到了麻烦。

简单点说，随着业务的扩张，阿里巴巴对于数据的处理能力已经到达极限。

如果说大数据是新时代，那么在“旧社会”，人类是怎么处理数据的呢？可以用一个单词概括，IOE —— IBM的服务器+Oracle的数据库+EMC的存储。I、O、E在各自的领域都强得无法替代。

事实证明，好的东西就只有一个缺点——贵。

“去IOE”很早就成为企业的心声。出于经济成本和“支持国产”的考虑，外加正赶上一次技术迭代（Linux的X86服务器挑战传统的Unix小型机服务器），中国企业开始了“去IOE”的征程。

简单来说，这次“去IOE”失败了。大家很快发现，自己离不开IOE。总体上，无非是边边角角砍砍成本，放得开的，也不过是买买联想的PC，买买华为或者浪潮的服务器。归根到底，市场并没有一个可以替换IOE的好方案。

不是说了吗，好的东西就只有一个缺点——贵。相较之下，数据的准确、时效，可开不得玩笑。尤其是金融企业。想象一下，当你的衣公子卑微地用六位数的密码打开自己四位数的账户，但是ATM机上取了钱，卡里的余额却没有即时地减少……这种画面你敢想？

所以，搁到今天还是让我觉得神奇，去IOE这件事，最终竟然是让阿里巴巴这厮扛了大旗。

淘宝算力的制约怎么突破的？阿里选的路线是：去IOE，做阿里云。

步骤大约为：曾经完全依赖Oracle→采用Hadoop集群→建成单个机群节点数最多的Hadoop机群→用自主研发的飞天平台上的ODPS（Open Data Processing Service，开放数据处理服务）。

阿里云历经千帆，绝处逢生的故事，大家已经听过很多遍。

不过，我倒认为没必要太渲染阿里云的苦情。的确，飞天和ODPS都是自研，但是亚马逊和微软拥抱开源，也很成功，不是吗？

另一方面，恰恰是因为固守自研，在很长一段时间项目上一批又一批的程序员不堪重负，人才纷纷出走。另外，自研技术对内是有优势，但是对外呢？会不会构成一种推广障碍？比如潜在客户考虑采购阿里云的服务，但是IT部门一想到还要特意学一套系统，于是嘴上说不要，身体竟然也不要。

不过，得失自在人心，宝剑留在江湖。这也是本文最终要引向的那个价值：相信竞争，让市场说话。

无论如何，阿里云的诞生为看似热闹实则沉闷的中国科技界带来很多新的东西。

去 IOE

一般认为，阿里是在2012年底，初步完成了去IOE。

四年前，阿里云的计划刚刚破土，那是2008年，大学毕业生如果可以拿到甲骨文（Oracle）的offer，谁会去土气横秋的BAT？

可是，历史不就是这样吗——一些不甘现状的人，奋力吹响号角，奏响的，正是此时此刻自鸣得意的另一群人，最后的挽歌。

阿里当时是 Oracle 在亚太地区最大的客户，拥有20个节点，比亚马逊美国的17个节点，还要多。想来多少也有点唏嘘，你最深爱的两位客户，竟然先后杀入你所在的行业。

Oracle倒下的经典瞬间是去年中国研发中心的关闭和裁员，昔日令人欣羡的高级白领，如今举着中英文夹杂的横幅，站在北京城的烈烈风中。

当中很多人，十年之前明明比入职BAT的同学更优秀。像极了那首诗。

少年听雨歌楼上，红烛昏罗帐。壮年听雨客舟中，江阔云低，断雁叫西风。

Larry Ellison是当之无愧的硅谷传奇，32岁创立Oracle，数据库领域的国王一当就是30年。2012年，接受采访，聊到云计算，Larry Ellison嗤之以鼻，举手投足间都是对贝佐斯的鄙夷，料定AWS没前途，自己一口口水就能淹了它。2015年，Oracle终于砸钱猛做云计算了。

你看啊，国王的手里还握着剑，但是江山哪里还是十年前的样子。

IOE里的IBM也好不到拿去，PC业务卖给了联想，扬言专注企业服务，光荣地创下了连续22个季度营收同比下滑的尴尬记录。22个季度，这个数字不准确？噢，别怪我，我只关注到第22个月，后来谁还跟IBM啊。

停住。衣公子说这些真不是为了落井下石。时代一直都是这样，舞台中央的角儿，你方唱罢我登场，人来人往。但是能让技术走出聚光灯之外，在普通百姓、普通商业主体身上开花结果，才是善莫大焉。

Larry Ellison是NBA球队金州勇士（Warriors）的死忠，主场比赛几乎场场出席。甲骨文（Oracle）不仅冠名了勇士队的球场，而且，几乎每年都传出即将全资收购球队的消息。不过，在长达40多年的时间里，勇士队乏善可陈，甚至常常联盟垫底，是NBA可有可无的背景板。

好在，勇士在硅谷。

硅谷对于数据挖掘的痴迷，造福了勇士。NBA崇尚明星的突破和扣篮，但是数据永远理性，大数据显示三分球才是更有效率更合算的赢比赛手段。身体瘦弱，专攻三分球的后卫库里（Stephen Curry），远不是理想的NBA明星，却在勇士得到重用，围绕他打造的“死亡5小”组合，常规赛73胜，破了乔丹尘封20年的单季常规赛最佳记录，随后，连续5年杀进总决赛，拿下3个总冠军。

和每个商业王国一样，勇士王朝最终还是解体了，后三年最重要的冠军拼图杜兰特（Kevin Durant）因为在勇士队遭遇内讧，被排挤去了布鲁克林篮网队。屈辱和荣耀，归属和背叛，兄弟和仇人，所有人都等着他杀回甲骨文球场的那一天！哦，对了，篮网的老板，是阿里巴巴二号人物蔡崇信。奇怪，这该死的圈子怎么那么小？

预言家

2009年，甲型H1N1流感肆虐美国。

就在疫情爆发几周前。Google的工程师在《自然》杂志上发了一篇论文。中心思想是，Google用大数据技术分析用户的搜索指令，提前预判到了这场流感。这先知般的存在，让Google风光得一塌糊涂。

如果你还记得，不久前，Google刚刚推出了Android系统。它要领导人类从PC向移动手机迁徙了！那真是Google把微软按在地上摩擦的时光，几乎每一场发布会都是在抽微软的脸。

Google很早就野心勃勃地在Kirkland开了办公室，这个距离微软总部Redmond不到10公里的地方。伴随Google疯狂的挖角，辞职信一封封地递进微软CEO史蒂夫·鲍尔默（SteveBallmer）的办公桌。这位一米九几的大汉终于忍不住了，问道“别TM告诉我，你TM也是去Google？”美国人比较直，就回答，“是啊，你怎么知道的哈？” Ballmer抄起椅子直接砸了过来。

那是2004年，Ballmer还可以发脾气扔椅子。09年就别扔椅子了，大家都觉得是微软玩了这些人的青春，微软应该羞羞地向员工说声抱歉。

舍恩伯格（Viktor Mayer Schnberger）在《大数据时代》中指出。什么是大数据时代？数据分析从“随机采样”、“精确求解”和“强调因果”的传统模式，演变为“全体数据”、“近似求解”和“只看关联不问因果”的新模式。

超市零售巨头Target，曾经是“小数据”时代的赢家。经过几轮实验，发现把啤酒放在尿不湿旁边，啤酒销量会大增。Target百思不得其解，后来这样解释：大概是，妈妈叫爸爸去超市买尿不湿，百无聊赖的爸爸看到啤酒，想到也要犒劳一下自己，所以就顺手买了。

在大数据时代，以上至少两点可以提高。第一，既然经过有限几轮实验就能发现“啤酒+尿不湿”促销法，那么用数字化方式+无数次实验所有可能的组合搭配，会发现多少种促销大法呢？显然，零售的效率要爆炸了。第二，找到“把啤酒放到尿不湿旁边”的促销方法就行，何必一定要找一个蹩脚的理由？这就好比已经汗涔涔地倒下，却傻乎乎地问“我和你前X友们比，谁更棒？”这既找不到真实的答案，也无助于业务能力的提高。

不追求精确度，不追求因果，承认混杂，探索相关——这就是，大数据时代。

阿里巴巴前副总裁车品觉打过一个超赞的比喻：先开枪，后瞄准。

当然，大数据也好，云计算也好，并不是一帆风顺的。2009年大出风头后，预测流感走势的Google Flu在2015年彻底关闭。原因第一是隐私担忧，第二是多次不准，荒谬频出，尤其是2012年那一次，反复预警有疫情，但是最后毛都没有。

云计算，同样挫折不断。2015年5月，网商银行开业获批当日，支付宝在全国范围瘫痪2.5个小时。2019年，中国第一的阿里云，和世界第一的AWS先后发生大规模宕机和瘫痪。作为云计算客户的你，业务完全瘫痪，投诉电话被打爆；但是你的工程师却摸不到出问题的服务器，你说你慌不慌？

但是再多的问题，也没有人会怀疑，云计算的路子是对的。

100年前的北大。27岁胡适被蔡元培聘请为讲师教授。北大学子有质疑权威的传统，准备课堂发难，提几个胡适答不上来的问题，让这个年轻人知道知道“this is 北大”。

傅斯年被派去提前听胡适的课，探探虚实。傅斯年回来后，对准备捣乱的北大同学说，“这个人书读得不多，但是路子是对的。你们不要闹。”

路子是对的。大数据只是还需要一些时间。除了技术的迭代，就是数据的积累。

不巧的是，这恰恰成为大数据最令人警惕的视角。当数据成为新时代的石油，谁霸占数据谁就抢占未来。这下，硅谷迎来了最严厉的拷打。《纽约客》说，这还不到两年，情况就发生翻转，硅谷曾经被认为是美国独创性的先锋和我们时代的宇航员，如今沦为与标准石油公司和其他镀金时代的垄断者进行的比较。

打倒美国垄断资本家！欧盟重拳出击，出台《通用数据保护条例》（GeneralDataProtection Regulation），为互联网企业攫取数据设置了最严格的控制。把公民隐私坚定地放在了公司发展之前。

同样的问题，公民隐私和商业进步，中国要怎么选？作为行业领袖，李彦宏的在访谈中这样说：中国人对隐私不敏感。

百度大概也习惯了自己被喷成筛子的状态。舆论恨啊，你李彦宏好歹是北大的，怎么连“不在乎”和“没得选”都分不清？还是故意分不清？

换位思考一下，李彦宏也不容易，偏偏活在一个国人对于北大精英还抱有不切实际幻想的年代。何必呢，你们自己也不去未名湖畔走走，胡适傅斯年尚在乎？

也不想想当年杭州师范毕业生是怎么说的？“支付宝随时可以交给国家。”

这境界。还会有人舍得批评Jack？

数据来说话

直接上数据，你们自己感受云计算的市场布局吧。

Canalys的报告，2019年世界范围内云计算产业的市场份额，AWS占32.3%，独自构成遥遥领先的第一梯队，排在其后的是微软Azure（16.9%）、谷歌云（5.8%）、阿里云（4.9%）。客观地说，中国商业的数字化已经落后欧美不少。根据《2018~2019年中国公有云市场现状与发展趋势研究报告》、《2018中国企业上云报告》等文件，美国企业的上云率高达80%，而中国仅30%。

往积极地说，中国市场商业数字化的前景十分广阔。知识青年上山下乡，广阔天地，大有作为。

但是，从数据大国转变为数据强国，远非那么简单。

尤其当衣公子看到很多讲解大数据的文章，常常把数据多少当作大数据行业的唯一标准——这样的论述，过于片面。更有甚，“只要XXX中国就一定能XXX”，妄图用激越的民族情绪代替理性的商业常识，这样的趋势，常常让我感到担忧。

请允许我铺开大数据行业的工程图。

数据采集和传输：Sqoop、Flume、Kafka等开源技术；
存储：HDFS是大数据磁盘存储的实际标准；
数据库：Redis、HBase、Cassandra、MongoDB、Neo4j；
计算处理引擎：Spark、MapReduce、Flink；
实时计算：Flink、SparkStreaming数据查询和分析工具：丰富的SQL on Hadoop的解决方案，比如，Hive、HAWQ、Impala、Presto、Spark SQL以及传统对的MPP（大规模并行处理）；
数据可视化：Tableau、QlikView等敏捷商业智能分析工具；
等等。

以上这些，才是大数据。

如果把大数据技术比喻成武器。那么数据只不过是火药。千年前火药就存在，数量再多也只不过是祭祀封建的鞭炮，如今决定火药能否成为威力巨大的子弹，最关键的是造枪的技术。

衣公子认为，要带领中国走向大数据时代，要反对的是拔苗助长，该警惕的是“管得太多”，要相信的是敬畏市场，能依赖的是企业家精神。

这个问题上，不存在特殊国情。互联网行业没有国家模式，早有前车之鉴。看过那个纪录片吗？马云在北京推销中国黄页，在宣传司综合处，对方打断了他，“我跟你讲啊，这件事情你应该先约，办事程序应该你先约，你要不约的话呢，很难给你做一个很满意的回答。”……

QQ最初不赚钱，却狂吃服务器，腾讯一度濒临破产。抱上中国移动的大腿，合作移动QQ，才赚上了增值业务的分账，马化腾以为迎来了柳暗花明。但是移动推出了自己的产品“飞信”，又把企鹅踹开了。中国移动不强乎？当年企鹅的营收和利润给它当零头都不配，不是吗？

当搜索行业已经明朗，还是有人想培养一种更正能量的搜索引擎——即刻。股东名单强到我都不敢在文章里列名字，还请了一个乒乓球大满贯冠军来当总经理。可是，如今，飞信安在哉？即刻搜索，安在哉？

真的，为了中国好，一定要允许、鼓励自由竞争。其实，管理者如果真的想帮忙，大概有以下三点是可以做的。第一，培养人才。根据各类报告，以及衣公子和从业者的交流，中国大数据行业的人才缺口目前约100万，5年后将达到500万。

第二，保护知识产权，维护市场公平。市场与人性如此，我们不要自欺欺人。刹住蔓延中国的商业抄袭之风，让每个企业无论大小都可以收获自己的商业果实。这样才能真的做到万众创新，让待攻克的技术难题陷入人民战争的汪洋大海。

第三，开放数据。目前来看，几乎所有的公共数据都在政府和BAT手中。既然数据就是价值，开放价值，就好比战国时期燕昭王于易水之畔筑黄金台，招天下之士，谁是英雄，现场抽一块黄金与之。

其实，美国也有振兴大数据行业的政策，而且比我们更早，但不是补贴钱，而是开放政府掌握的数据。奥巴马2009年1月签署《开放和透明的政府指令》（Transparency and Open Government），丰富且大量的美国公共数据，是美国大数据行业兴盛的土壤。

奥巴马开篇就引用美国大法官路易斯·布兰代斯的名言：阳光是最好的防腐剂。

是啊，阳光是最好的防腐剂。形势比人强。